Forskarna Jacob Vogel och Lijun An har tillsammans med svenska och internationella kollegor utvecklat AI-modellen. Foto: Emma Nyberg

AI kan upptäcka flera kognitiva sjukdomar

Svenska forskare har utvecklat en AI-modell som kan upptäcka flera sjukdomar som bryter ner hjärnan. Nu hoppas de att modellen kan användas i kombination med blodprov i framtiden.

Sjukdomar som bryter ner hjärnan kan visa liknande symptom, vilket ofta gör det svårt att skilja de olika tillstånden åt, särskilt i ett tidigt skede.

Nu har forskarna Jacob Vogel och Lijun An vid Lunds universitet, tillsammans med kollegor från den svenska Biofinder-studien och Gobal neurodegenerative protemics consortium, utvecklat en AI-modell som kan upptäcka flera sjukdomar samtidigt.

– Vår förhoppning är att kunna ställa diagnos för flera sjukdomar samtidigt med ett enda blodprov i framtiden, säger Jacob Vogel i ett pressmeddelande.

AI-modellen kan identifiera en specifik ansamling av proteiner, som bildar ett generellt mönster för sjukdomar som bryter ner hjärnan. Detta inlärda mönster används sedan för att diagnostisera olika tillstånd: Alzheimers sjukdom, Parkinsons sjukdom, ALS, frontotemporal demens och tidigare stroke.

Studien sticker ut jämfört med tidigare forskning eftersom modellens resultat bekräftades över olika set av data, enligt forskarna.

– Vi såg att proteinprofilen förutsade kognitiv försämring bättre än den kliniska diagnosen och det verkar som att individer med samma kliniska diagnos kan ha olika underliggande biologiska subtyper, säger Lijun An.

Många personer som diagnostiserats med alzheimer hade proteinmönster som snarare liknar andra hjärnsjukdomar.

– Det kan betyda att de har mer än en bakomliggande sjukdom, att alzheimer kan utvecklas på flera olika sätt eller att den kliniska diagnosen är felaktig. Därför tror jag inte att nuvarande proteinmängder i blodprov kommer vara tillräckligt för att ställa diagnos för flera sjukdomar på egen hand, utan metoden behöver förfinas och kombineras med andra kliniska verktyg, säger Jacob Vogel.

Nästa steg är att inkludera fler markörer för olika proteiner med hjälp av avancerade metoder för att hitta mönster som är unika för varje sjukdom.

Fakta
Om studien och proteomik

Underlaget för AI-modellen kommer från proteinmätningar från över 17 000 patienter och kontrollpersoner som ingår i Gobal neurodegenerative protemics consortiums, GNPC, proteomikdatabas. Databasen är den största i världen för proteiner som är kopplade till neurodegenerativa sjukdomar.

Inom proteomik undersöker man stora datamängder om hur alla proteiner uttrycks i ett insamlat biologiskt prov, vilket kan ge forskare viktiga ledtrådar om biologiska funktioner och hur sjukdomar utvecklas.

Läs studien

Lijun An, Alexa Pichet Binette, Ines Hristovska, Gabriele Vilkaite, Yu Xiao, Romina Zendehdel m fl (2026). A deep joint-learning proteomics model for diagnosis of six conditions associated with dementia. Publicerad i Nature medicine.

Relaterat

Minskad demensrisk med grönska nära hemmet

Stadsbor med mer grönska inom 100 meters avstånd till bostaden har lägre risk att utveckla demens. Det visar en ny studie från Stockholms…

Koppling mellan överviktskirurgi och minskad demensrisk

Patienter med typ 2-diabetes som har opererats för övervikt har lägre risk att utveckla demens. Det visar en studie från Örebro universitet och…

Förmågor finns kvar länge vid demens

Vissa förmågor, som att skapa konst, kan kvarstå länge vid demenssjukdom. Det behövs ofta bara små anpassningar för att möjliggöra det, visar en…

Fler nyheter

Bättre förutsättningar behövs vid införandet av välfärdsteknik

Utbudet av tekniska lösningar för äldreomsorgen växer – men att implementera den är ofta en utmaning. Forskare vid Högskolan Dalarna har studerat vad…

Nytt projekt undersöker våld mot äldre utrikesfödda kvinnor

Äldre utrikesfödda kvinnor är fokus i ett nytt forskningsprojekt vid Jönköping university, där fokus ligger på hur gruppens erfarenheter av våld i nära…

Fyra orsaker till onödiga akutbesök

Multisjuka äldre kan undvika en del av sina akutbesök. En ny studie visar orsakerna bakom de onödiga besöken, vilket möjliggör också lösningar.